Rechner zur Adjustierung des α-Niveaus

Das α-Niveau beschreibt die Wahrscheinlichkeit, einen Fehler 1. Art zu machen, also fälschlicherweise einen Effekt anzunehmen, der nicht existiert. Üblich ist ein α-Niveau von 0,05, was bedeutet, dass einer von 20 statistischen Tests signifikant wird, obwohl kein Effekt vorliegt. Bei mehreren Tests steigt diese Wahrscheinlichkeit an. Um dies zu korrigieren, gibt es verschiedene Verfahren.

α-Niveau Rechner

Die Bonferroni-Korrektur ist eine konservative Methode, bei der der p-Wert mit der Anzahl der Tests multipliziert wird. Sie ist einfach zu berechnen und kann ohne Voraussetzungen verwendet werden.

Die Bonferroni-Holm-Korrektur ist weniger konservativ und leistungsstärker. Sie basiert auf der Bonferroni-Korrektur, aber die p-Werte werden nach Größe sortiert und mit ansteigenden Grenzen verglichen. Sie kann für alle Arten von Abhängigkeiten zwischen Hypothesen angewendet werden.

Die Hochberg-Korrektur ist eine schrittweise Methode zur Kontrolle der Falsch-Entdeckungsrate (FDR) bei multiplen Hypothesentests. Sie ist weniger konservativ als die Bonferroni-Korrektur und bietet eine höhere statistische Power. Im Gegensatz zur Bonferroni-Korrektur berücksichtigt sie die Rangfolge der p-Werte und korrigiert sie aufsteigend.

Die Hommel-Korrektur ist ein adaptives Verfahren zur Kontrolle der Familie-Weisen Fehler-Rate (FWER) bei multiplen Hypothesentests. Es ist eine Verallgemeinerung der Bonferroni-Korrektur und ist weniger konservativ. Die Hommel-Methode passt die p-Werte basierend auf der Anzahl der Tests und den beobachteten p-Werten an und bietet somit eine größere statistische Power als die Bonferroni-Korrektur.

Die Benjamini-Hochberg-Korrektur ist ein Verfahren zur Kontrolle der Falsch-Entdeckungsrate (FDR) bei multiplen Hypothesentests. Im Gegensatz zur Kontrolle der Familie-Weisen Fehler-Rate (FWER) erlaubt die FDR-Kontrolle eine gewisse Anzahl von Fehlern, um die statistische Power zu erhöhen. Die Benjamini-Hochberg-Methode ist weniger konservativ als die Bonferroni-Korrektur und rangiert die p-Werte, bevor sie angepasst werden. Die Methode ist besonders nützlich, wenn eine große Anzahl von Tests durchgeführt wird und die Kontrolle der FDR wichtiger ist als die Kontrolle der FWER.

Die Benjamini-Yekutieli-Korrektur ist eine Erweiterung der Benjamini-Hochberg-Methode zur Kontrolle der Falsch-Entdeckungsrate (FDR) bei multiplen Hypothesentests unter Abhängigkeitsbedingungen. Diese Methode ist konservativer als die Benjamini-Hochberg-Korrektur und ist anwendbar, wenn die Teststatistiken positive Abhängigkeiten aufweisen. Die Benjamini-Yekutieli-Korrektur berücksichtigt sowohl die Anzahl der Tests als auch den Grad der Abhängigkeit zwischen den Tests, um die p-Werte anzupassen und die FDR zu kontrollieren.

Erweiterte Korrekturmethoden zur Adjustierung des α-Niveaus

Neben den bekannten Methoden wie Bonferroni und Bonferroni-Holm gibt es weitere wichtige Ansätze zur Adjustierung des α-Niveaus, die in bestimmten statistischen Szenarien nützlich sein können:

  1. Šidák-Korrektur: Diese Methode ist besonders effektiv, wenn die einzelnen Tests stochastisch unabhängig sind. Sie bietet eine genauere Anpassung als die Bonferroni-Methode, indem sie das globale α-Niveau auf die einzelnen Tests aufteilt.
  2. Benjamini-Hochberg Prozedur: Diese Methode eignet sich besonders zur Kontrolle der Falscherkennungsrate, insbesondere in Situationen mit einer hohen Anzahl von Hypothesen. Sie ist weniger konservativ als die Bonferroni-Methode und erhält gleichzeitig eine angemessene Kontrolle über das globale α-Niveau.

Durch die Integration dieser Methoden in Ihre statistische Analyse können Sie die Genauigkeit und Zuverlässigkeit Ihrer Ergebnisse weiter verbessern, insbesondere in komplexen Testszenarien.